该目标障碍物体的运动状态存储至该目标数据库中。
[0060] 可选的，该n个传感器在该车辆的四周设置，该n大于或等于14。
[0061] 可选的，该n个传感器包括：6个毫米波雷达传感器，6个激光雷达传感器和2个视 觉传感器；
[0062] 该2个视觉传感器设置在该车辆的前挡风玻璃上，该6个毫米波雷达传感器均匀 分布在该车辆的四周，该6个激光雷达传感器均勾分布在该车辆的四周。
[0063] 可选的，该对该至少n个针对障碍物体的测量数据进行融合处理，包括：
[0064] 为该n个传感器中的每个传感器建立观测模型，该观测模型用于根据该传感器在 当前时刻对障碍物体的测量数据，获取下一时刻对该障碍物体的预测数据，该下一时刻与 该当前时刻相差t，该t大于0 ;
[0065] 根据该观测模型，获取该n个传感器中每个传感器在该当前时刻对该至少一个障 碍物体的预测数据；
[0066] 在该至少n个针对障碍物体的测量数据中筛选可融合测量数据组，该可融合测量 数据组中每个测量数据与相应的预测数据的误差小于预设阈值；
[0067] 对该可融合测量数据组中的测量数据进行融合处理。
[0068] 综上所述，本发明实施例提供的目标障碍物体确定方法，车辆可以获取车辆上设 置的n个传感器在当前时刻的至少n个针对障碍物体的测量数据，并对该至少n个针对障 碍物体的测量数据进行融合处理，得到融合数据组，之后，车辆可以确定该融合数据组中记 录的每个障碍物体与该车辆的距离，并能够将距离小于预设距离阈值的障碍物体确定为目 标障碍物体，而对于距离大于预设距离阈值的障碍物则确定该障碍物体不会对车辆的行驶 造成影响，因此，提高了车辆对周围道路环境的探测结果的可靠性。
[0069] 本发明实施例提供了另一种目标障碍物体确定方法，如图2-1所示，该方法包括：
[0070]步骤201、获取车辆上设置的n个传感器在当前时刻的至少n个针对障碍物体的测 量数据，该n大于或等于1。
[0071] 在本发明实施例中，该n个传感器可以在该车辆的四周设置，该n大于或等于14。 示例的，该n个传感器可以包括：6个毫米波雷达传感器，6个激光雷达传感器和2个视觉 传感器，该2个视觉传感器设置在该车辆的前挡风玻璃上，该6个毫米波雷达传感器均匀分 布在该车辆的四周，该6个激光雷达传感器均匀分布在该车辆的四周。图2-2是本发明实 施例提供的一种传感器设置方位示意图，如图2-2所示，该2个视觉传感器01和02可以对 称设置在该车辆的前挡风玻璃〇〇上，该6个毫米波雷达传感器可以均匀分布在该车辆的四 周，其中毫米波雷达传感器11、12可以设置在车辆前车灯处，毫米波雷达传感器13可以设 置在车辆前方车牌的下方，毫米波雷达传感器14可以设置在车辆左后门处，其余两个毫米 波雷达传感器可以设置在车辆右后门处以及车辆尾部车牌处（图中未标出）；该6个激光 雷达传感器可以均匀分布在该车辆的四周，其中，激光雷达传感器21、22可以设置在车辆 前车灯处，激光雷达传感器23可以设置在车辆前挡风玻璃OO上，激光雷达传感器24可以 设置在车辆左后门处，其余两个激光雷达传感器可以设置在车辆右后门处以及车辆尾部车 牌处（图中未标出）。
[0072] 在实际应用中，激光雷达传感器和毫米波雷传感器达一般成对设置，其中设置在 车辆前方的毫米波雷达传感器的探测距离可以为150米（m)，设置在车辆侧后方的毫米波 雷达传感器的探测距离可以为50m。激光雷达传感器的探测距离一般为60m。视觉传感器 定位距离为80m。车辆四周设置的多个传感器可以实现360度全方位探测车辆周围目标的 效果，提高了车辆对周围道路环境的探测能力。该车辆上设置的传感器的个数可以根据车 辆实际情况进行增减，各个传感器的方位也可以根据实际情况进行设置，本发明实施例对 此不做限定。
[0073] 在本发明实施例中，车辆可以获取n个传感器在当前时刻的至少n个针对障碍物 体的测量数据，当该传感器为毫米波雷达传感器时，车辆获取的毫米波雷达传感器在当前 时刻t针对障碍物体的测量数据可以表示为：
[0074] Zr (t) = {r1; r2, . . . , rp}
[0075]其中，^[('.，，,以.、::.,.^,)}'，i= 1,…，p，p表示毫米波雷达传感器在当前时刻检 测到的障碍物体的个数，T表示矩阵转置，^为毫米波雷达传感器在当前时刻对第i个障碍 物体的测量数据，其中（Xl，yi)为该第i个障碍物体在毫米波雷达传感器的坐标系中的坐 标，（為，丸)为该第i个障碍物体在当前时刻的速度。
[0076] 当该传感器为激光雷达传感器时，车辆获取的激光雷达传感器在当前时刻t针对 障碍物体的测量数据可以表示为：
[0077] Zl (t) = U1, I2, ...,IJ
[0078] 其中，/, 时刻检测到的障碍物体的个数，I1为激光雷达传感器在当前时刻对第i个障碍物体的测量 数据，其中（Xl，Y1)为该第i个障碍物体在激光雷达传感器的坐标系中的坐标，为第i个 障碍物体在激光雷达传感器的坐标系中的偏航角，（.W:,)为该第i个障碍物体在当前时刻 的速度，（W1,I1)为第i个障碍物体的宽度和长度。
[0079] 当该传感器为视觉传感器时，车辆获取的视觉传感器在当前时刻t针对障碍物体 的测量数据可以表示为：
[0080] Zc (t) = (C1, C2, , cj
[0081] 其中，Ci= [(X yj, (xi2, yi2)，class]1, i = 1,? ? ? ,〇, 〇 表示视觉传感器在当前 时刻检测到的障碍物体的个数，I1S视觉传感器在当前时刻对第i个障碍物体的测量数 据，其中（X11^11)为视觉传感器检测到的该第i个障碍物体的外接边框的左上角的坐标， (xl2，yl2)为视觉传感器检测到的该第i个障碍物体的外接边框的右下角的坐标，class为 视觉传感器确定的该第i个障碍物体的类型，其中障碍物体的类型可以包括：行人、自行车 和车辆等。视觉传感器在确定障碍物体的类型时，可以将检测到的障碍物体的图像与数据 库中存储的类型模板进行对比，并将匹配度最高的类型确定为该障碍物体的类型。
[0082] 步骤202、对该至少n个针对障碍物体的测量数据进行融合处理，得到融合数据 组。
[0083] 该融合数据组记录了该n个传感器检测到的障碍物体中每个障碍物体对应的融 合数据。根据车辆上设置的传感器的种类的不同，该融合数据可以包括不同类型的信息，示 例的，假设车辆上设置的传感器包括视觉传感器，激光雷达传感器和毫米波雷达传感器，则 融合数据组中记录的每个障碍物体对应的融合数据中可以包括该障碍物体的位置信息，速 度信息，该障碍物体的宽度和高度以及该障碍物体的类型等。
[0084] 图2-3是本发明实施例提供的一种对障碍物体的测量数据进行融合处理的方法 流程图，如图2-3所示，该方法包括：
[0085] 步骤2021、为n个传感器中的每个传感器建立观测模型。
[0086] 该观测模型用于根据该传感器在当前时刻对障碍物体的测量数据，获取下一时刻 对该障碍物体的预测数据。该下一时刻与该当前时刻相差t，该t大于0。在本发明实施例 中，车辆可以根据每个传感器的种类，为该传感器建立观测模型。示例的，对于毫米波雷达 传感器，车辆建立的观测模型可以为：
[0087]
[0088] 其中r(t+l)表示毫米波雷达传感器对障碍物体在t+1时刻的预测数据， (X⑴，y⑴）为障碍物体在t时刻在毫米波雷达传感器坐标系中的坐标，（雄),H/))为障碍 物体t时刻的速度，\(t)表示毫米波雷达传感器在t时刻的测量噪声。
[0089] 对于激光雷达传感器，车辆建立的观测模型可以为：
[0090] I(t+1) = [(x(t),y(t)), <i> (t),v(t)cos(<i> (t)),v(t)sin(<i> (t)),w(t),I(t)] T+V1 (t)
[0091] 其中l(t+l)表示激光雷达传感器对障碍物体在t+1时刻的预测数据， (x(t)，y(t))为障碍物体t时刻在激光雷达传感器坐标系中的坐标，巾（t)为障碍物体在激 光雷达传感器的坐标系中的偏航角，w(t)，l(t)为障碍物体t时刻的宽度和长度，Vl(t)表 示激光雷达传感器在t时刻的测量噪声。
[0092] 对于视觉传感器，车辆建立的观测模型可以为：
[0094] 其中X2 (t+1) -X1 (t+1)表示视觉传感器预测的障碍物体在t+1时刻的宽度，y2(t+l)-yi(t+l)表示视觉传感器预测的障碍物体在t+1时刻的长度，w(t)，l(t)为障碍 物体t时刻的宽度和长度，其中，w(t)，l(t)可以为视觉传感器直接从激光传感器中获取 的障碍物体的测量数据，也可以为视觉传感器在t时刻对障碍物体的测量数据，即w(t)= xdO-xJt)，l(t)zydO-yJt)，fp为视觉传感器的焦距，d为该障碍物与车辆之间的距 离，\(t)表示激光雷达传感器在t时刻的测量噪声。视觉传感器可以通过对该障碍物的测 量数据中，该障碍物体的坐标计算得到该障碍物体与车辆之间的距离d，该视觉传感器也可 以获取毫米波雷达传感器或者激光雷达传感器对该障碍物体的测量数据，进而得到更准确 的该障碍物体与车辆之间的距离d。
[0095] 车辆除了可以为每个传感器建立观测模型，还可以为每个障碍物体建立运动模 型，该运动模型用于表征该每个障碍物体在当前时刻的运动状态。对于毫米波雷达传感器 检测到的障碍物体，车辆为障碍物体建立的运动模型可以为：
[0096]
[0097] 其中（X(t)，y(t))，（雄),j⑴),分别表示该障碍物